De verkeerde belofte
De meeste verhalen over AI en leren gaan over snelheid. Een module in een dag, een cursus in een week, een handleiding die zichzelf schrijft. Dat is niet onwaar, maar het is wel de minst interessante helft van het verhaal, en het is de helft die de meeste L&D-managers wantrouwen, terecht.
Wie ooit een gegenereerde e-learningmodule heeft opengeslagen, herkent het: correct, compleet, en volstrekt zielloos. Tekst die klopt zonder ergens over te gaan. Voorbeelden die uit geen enkele werkelijkheid komen. Een toets die controleert of je de vorige alinea hebt gelezen.
Dat materiaal is niet sneller gemaakt. Het is sneller opgeleverd, wat iets anders is. De uren die je bespaart op schrijven, verlies je aan uitleggen waarom dit niet is wat je bedoelde.
Wat er wél verandert
De echte verandering zit niet in de eerste versie. Die zit in wat er daarna gebeurt.
Trainingsmateriaal voor industriële omgevingen heeft een probleem dat weinig met schrijven te maken heeft: het veroudert. Een installatie wordt uitgebreid, een procedure wijzigt, er komt ander materieel, de regelgeving schuift op. Bij traditionele productie betekent elke wijziging een nieuw traject, offerte, planning, doorlooptijd, budget. Het gevolg is voorspelbaar: kleine wijzigingen worden niet doorgevoerd. Materiaal loopt achter. Op enig moment vertrouwt niemand het meer en leert iedereen het weer van een collega.
Wat AI in de productiecyclus verandert, is de kostprijs van een aanpassing. Niet die van het eerste ontwerp, die blijft grotendeels menselijk, maar die van versie twaalf. En daarmee verandert welke projecten haalbaar zijn.
Een paar voorbeelden van wat eerder niet uitkon:
- Vijf talen in plaats van twee. Niet omdat vertalen gratis is geworden, maar omdat de consistentiecontrole over vijf versies niet langer het knelpunt is.
- Materiaal per locatie in plaats van één generieke versie. Dezelfde didactische structuur, maar met de installatie, de terminologie en de casuïstiek van die specifieke site.
- Halfjaarlijks bijwerken in plaats van eens per drie jaar herzien.
- Een klikbare preview vóór het bouwbesluit, zodat stakeholders reageren op iets tastbaars in plaats van op een blueprint.
Geen daarvan gaat over sneller schrijven. Ze gaan allemaal over onderhoudbaarheid.
Waar het misgaat
Drie patronen zien we telkens terug bij organisaties die het zelf hebben geprobeerd.
Het bronmateriaal is het probleem, niet het model. AI die je verouderde SOP als input krijgt, produceert een verouderde module, sneller, en met meer overtuiging. Als de procedures niet kloppen, versterkt automatisering dat probleem in plaats van het op te lossen.
Vakinhoudelijke fouten zijn niet zichtbaar voor wie ze niet kan zien. Gegenereerde tekst leest vloeiend, ook als er iets in staat dat een ervaren operator direct als onzin herkent. Een reviewer zonder inhoudelijke kennis merkt niets. Dit is de belangrijkste reden waarom de expert in het proces blijft, niet om te schrijven, maar om te toetsen.
Generiek materiaal bevestigt de scepticus. Het gevaarlijkste resultaat is niet een module die fout is, maar een module die nergens over gaat. Wie al twijfelde aan digitale training, heeft dan zijn bewijs. Dat kost je niet één project maar het volgende ook.
Wat mensen blijven doen
In onze eigen productie ligt de grens ongeveer hier.
Wat we niet automatiseren: bepalen wat iemand moet kunnen na afloop, beslissen welke fouten in de praktijk het duurst zijn, kiezen welk scenario geloofwaardig is voor deze doelgroep, en het inhoudelijke oordeel of iets klopt. Dat zijn didactische en vakinhoudelijke keuzes, en ze bepalen of het materiaal werkt.
Wat we wel automatiseren: varianten produceren op een vastgestelde structuur, taalversies consistent houden, terminologie afdwingen over een hele set, materiaal herschikken voor een ander formaat, en de eerste versie leveren die een expert vervolgens corrigeert.
Die tweede lijst is niet het creatieve deel. Het is het deel dat vroeger het budget opat, waardoor er voor het eerste geen ruimte overbleef.
Wat dit betekent voor je planning
Als je nu een trainingsvraagstuk hebt, verandert dit vooral je uitgangspunten.
Reken niet meer met een productie van maanden als reden om de scope klein te houden. De beperkende factor is de beschikbaarheid van je eigen vakmensen voor input en review, niet de bouwcapaciteit. Plan daar op.
Behandel je bronmateriaal als het echte project. Als je SOP’s niet actueel zijn, begin daar; alles wat je erop bouwt erft het probleem.
En vraag bij elke offerte niet alleen wat het kost om te maken, maar wat het kost om het over twee jaar bij te werken. Dat antwoord zegt meer over de aanpak dan de prijs van de eerste oplevering.
Die vraag hoort thuis in een bredere afweging over hoe je je opleidingsaanbod inricht. Die staat in de gids over een bedrijfsacademie opzetten of vernieuwen. Wat wij er zelf mee doen in de productie, staat bij AI-ondersteunde ontwikkeling.